中文写作与日常办公
Qwen 在中文榜单排第 4、长问题排第 6，国内入口也更顺手；追求更高中文同榜结果时，Claude 排第 1。
先用同一份真实材料比较语气、事实和修改次数，不要只看一段示例。
六种常见用途
先给首选，再说明什么时候换第二个
编程与做网站
Arena WebDev 中 Claude、Kimi、Qwen 分列第 1、第 2、第 3；国内模型已经非常接近第一梯队。
模型成绩不等于完整开发体验，还要比较 Agent 外壳、终端权限、上下文和失败恢复。
让 Agent 连续做事
Agent 真实会话的确认成功信号中，两者分列第 1 和第 2；GPT-5.6 Sol 可作为海外第二梯队候选。
高价模型也会失败。先小权限运行，并检查它是否真的完成、是否乱用工具。
长文档、研究与大项目材料
长问题榜单中 Qwen 第 6、Claude 第 7、Kimi 第 10，三者都是当前可优先测试的长材料候选。
标称 1M 上下文不等于整段都能稳定利用，关键结论仍要做页码和原文回查。
看图、多模态理解
Arena Vision 中 Qwen 第 2、Claude 第 6；Gemini Flash 价格较低，可作为批量图片任务候选。
识图、生成图片和生成视频是三种能力，不能因为一个视觉榜单就推断全部多模态都强。
低预算 API 与批量调用
DeepSeek 当前公开 API 单价最低；GLM 和 Qwen 在部分能力榜单里名次更靠前，适合比较质量和成本的平衡。
DeepSeek 已公告 8 月 16 日调价。批量使用前先按你的平均输入、输出和缓存命中率重算。